dp_cgans

用差分隐私 GAN 造表格/RDF 假数据，隐私合规两不误

开源 free 数据集

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 101

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类数据集

开发团队sunchang0124

所属国家

官网地址

GitHubhttps://github.com/sunchang0124/dp_cgans

定价模式free

价格说明开源免费库，无在线服务

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型differential-privacy,gan,synthesizer,synthetic-data

GitHub 星标★ 101

30天Star增速

HF 下载量

上线时间2021-11-08 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-20

浏览次数0

项目介绍

dp_cgans 是一个用条件生成对抗网络（cGAN）结合差分隐私技术生成合成表格数据或 RDF 数据的 Python 库。它要解决的核心问题是：在数据共享、测试和建模场景中，真实数据往往涉及隐私或合规限制，不能直接使用。项目通过训练带条件输入的 GAN 来学习原始数据的分布，并在训练过程中引入差分隐私机制，使生成的合成数据在统计特征上接近真实数据，同时降低对个体记录的泄露风险。核心能力包括：支持表格型结构化数据与 RDF 图数据的合成；可指定条件列进行受控生成；提供差分隐私参数调节隐私与可用性之间的权衡；输出可直接用于下游分析或测试的合成数据集。适合需要在不暴露原始敏感数据的前提下做数据发布、开发测试或机器学习实验的团队。